一种污水水质指标软测量方法技术

本发明专利技术公开一种污水水质指标软测量方法

【技术实现步骤摘要】
一种污水水质指标软测量方法、系统、电子设备及介质


[0001]本专利技术涉及工业过程控制
，特别是涉及一种污水水质指标软测量方法
、
系统
、
电子设备及介质
。

技术介绍

[0002]水质指标的快速
、
及时
、
准确测定是保障污水处理效果稳定的难点，因此软测量技术被广泛应用在污水处理过程中
。
但由于测量过程数据的多采样率的特性以及复杂恶劣的检测环境导致软测量模型预测性能下降，最终使得水质指标的测量结果精度低，并且由于软测量模型预测存在模型退化问题，使得污水处理过程中，重要质量变量的监测和软仪表的维护存在巨大困难，因此亟需一种可以提高测量精度，并且克服模型退化问题的污水水质指标测量方法
。

技术实现思路

[0003]本专利技术的目的是提供一种污水水质指标软测量方法
、
系统
、
电子设备及介质，可提高测量精度，并且克服预测模型退化问题
。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种污水水质指标软测量方法，包括：
[0006]采用
PLS
算法根据第一标记数据子集构建模型，采用
ELM
算法根据第二标记数据子集构建模型，分别得到第一初始回归模型和第二初始回归模型；所述第一标记数据子集和所述第二标记数据子集均包括多组水质指标集合；一组水质指标集合包括一个输入水质指标集合和一个输出水质指标集合；
[0007]用所述第一初始回归模型对所述第一标记数据子集进行预测，用所述第二初始回归模型对所述第二标记数据子集进行预测，分别得到第一标记预测误差值和第二标记预测误差值；
[0008]在当前迭代次数下，将上一迭代次数下的未标记数据集分别输入所述第一初始回归模型和所述第二初始回归模型，得到第一
Plus
标记数据子集和第二
Plus
标记数据子集；所述未标记数据集包括多个输入水质指标集合；
[0009]用所述第一初始回归模型对所述第一
Plus
标记数据子集进行预测，用所述第二初始回归模型对所述第二
Plus
标记数据子集进行预测，得到第一新标记预测误差值和第二新标记预测误差值；
[0010]根据所述第一标记预测误差值和所述第一新标记预测误差值得到所述上一迭代次数下的未标记数据集中各输入水质指标集合的置信度；
[0011]根据目标数据集对所述第一标记数据子集
、
所述第二标记数据子集以及上一迭代次数下的未标记数据集进行更新得到当前迭代次数下的第一
new
标记数据子集
、
当前迭代次数下的第二
new
标记数据子集和当前迭代次数下的未标记数据集；所述目标数据集为置信度最大的输入水质指标集合；
[0012]更新迭代次数并进入下次迭代，直到达到迭代停止条件，采用
RPLS
根据最后一次迭代次数下的第一
new
标记数据子集构建第一预测模型，采用
RELM
根据最后一次迭代次数下的第二
new
标记数据子集构建第二预测模型；
[0013]根据所述第一预测模型和所述第二预测模型得到最终预测模型，所述最终预测模型用于对污水水质指标进行软测量
。
[0014]可选的，将上一迭代次数下的未标记数据集分别输入所述第一初始回归模型和所述第二初始回归模型，得到第一
Plus
标记数据子集和第二
Plus
标记数据子集，具体包括：
[0015]将上一迭代次数下的未标记数据集输入所述第一初始回归模型得到上一迭代次数下的未标记数据集对应的第一输出水质指标集合；
[0016]将上一迭代次数下的未标记数据集输入所述第二初始回归模型得到上一迭代次数下的未标记数据集对应的第二输出水质指标集合；
[0017]确定上一迭代次数下的未标记数据集以及所述上一迭代次数下的未标记数据集对应的第一输出水质指标集合为第一
Plus
标记数据子集；
[0018]确定上一迭代次数下的未标记数据集以及所述上一迭代次数下的未标记数据集对应的第二输出水质指标集合为第二
Plus
标记数据子集
。
[0019]可选的，根据目标数据集对所述第一标记数据子集
、
所述第二标记数据子集以及上一迭代次数下的未标记数据集进行更新得到当前迭代次数下的第一
new
标记数据子集
、
当前迭代次数下的第二
new
标记数据子集和当前迭代次数下的未标记数据集，具体包括，
[0020]将所述目标数据集输入所述第一初始回归模型得到所述目标数据集对应的第一输出水质指标集合；
[0021]将所述目标数据集输入所述第二初始回归模型得到所述目标数据集对应的第二输出水质指标集合；
[0022]将所述目标数据集与所述目标数据集对应的第一输出水质指标集合添加到所述第二标记数据子集得到当前迭代次数下的第一
new
标记数据子集；
[0023]将所述目标数据集与所述目标数据集对应的第二输出水质指标集合添加到所述第一标记数据子集得到当前迭代次数下的第二
new
标记数据子集；
[0024]将所述目标数据集从上一迭代次数下的未标记数据集中删除得到当前迭代次数下的未标记数据集
。
[0025]可选的，所述最终预测模型为：其中，
Y(x)
表示最终预测模型，
H
′1(x)
表示第一预测模型，
H
′2(x)
表示第二预测模型
。
[0026]一种污水水质指标软测量系统，包括：
[0027]初始回归模型构建模块，用于采用
PLS
算法根据第一标记数据子集构建模型，采用
ELM
算法根据第二标记数据子集构建模型，分别得到第一初始回归模型和第二初始回归模型；所述第一标记数据子集和所述第二标记数据子集均包括多组水质指标集合；一组水质指标集合包括一个输入水质指标集合和一个输出水质指标集合；
[0028]标记预测误差值计算模块，用于用所述第一初始回归模型对所述第一标记数据子集进行预测，用所述第二初始回归模型对所述第二标记数据子集进行预测，分别得到第一标记预测误差值和第二标记预测误差值；
[0029]标记数据子集扩充模块，用于在当前迭代次数下，将上一迭代次数下的未标记数据集分别输入所述第一初始回归模型和所述第二初始回归模型，得到第一
Plus
标记数据子集和第二
Plus
标记数据子集；所述未标记数据集包括多个输入水质指标集合；
[0030]新标记预测误差值计算模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种污水水质指标软测量方法，其特征在于，包括：采用
PLS
算法根据第一标记数据子集构建模型，采用
ELM
算法根据第二标记数据子集构建模型，分别得到第一初始回归模型和第二初始回归模型；所述第一标记数据子集和所述第二标记数据子集均包括多组水质指标集合；一组水质指标集合包括一个输入水质指标集合和一个输出水质指标集合；用所述第一初始回归模型对所述第一标记数据子集进行预测，用所述第二初始回归模型对所述第二标记数据子集进行预测，分别得到第一标记预测误差值和第二标记预测误差值；在当前迭代次数下，将上一迭代次数下的未标记数据集分别输入所述第一初始回归模型和所述第二初始回归模型，得到第一
Plus
标记数据子集和第二
Plus
标记数据子集；所述未标记数据集包括多个输入水质指标集合；用所述第一初始回归模型对所述第一
Plus
标记数据子集进行预测，用所述第二初始回归模型对所述第二
Plus
标记数据子集进行预测，得到第一新标记预测误差值和第二新标记预测误差值；根据所述第一标记预测误差值和所述第一新标记预测误差值得到所述上一迭代次数下的未标记数据集中各输入水质指标集合的置信度；根据目标数据集对所述第一标记数据子集
、
所述第二标记数据子集以及上一迭代次数下的未标记数据集进行更新得到当前迭代次数下的第一
new
标记数据子集
、
当前迭代次数下的第二
new
标记数据子集和当前迭代次数下的未标记数据集；所述目标数据集为置信度最大的输入水质指标集合；更新迭代次数并进入下次迭代，直到达到迭代停止条件，采用
RPLS
根据最后一次迭代次数下的第一
new
标记数据子集构建第一预测模型，采用
RELM
根据最后一次迭代次数下的第二
new
标记数据子集构建第二预测模型；根据所述第一预测模型和所述第二预测模型得到最终预测模型，所述最终预测模型用于对污水水质指标进行软测量
。2.
根据权利要求1所述的污水水质指标软测量方法，其特征在于，将上一迭代次数下的未标记数据集分别输入所述第一初始回归模型和所述第二初始回归模型，得到第一
Plus
标记数据子集和第二
Plus
标记数据子集，具体包括：将上一迭代次数下的未标记数据集输入所述第一初始回归模型得到上一迭代次数下的未标记数据集对应的第一输出水质指标集合；将上一迭代次数下的未标记数据集输入所述第二初始回归模型得到上一迭代次数下的未标记数据集对应的第二输出水质指标集合；确定上一迭代次数下的未标记数据集以及所述上一迭代次数下的未标记数据集对应的第一输出水质指标集合为第一
Plus
标记数据子集；确定上一迭代次数下的未标记数据集以及所述上一迭代次数下的未标记数据集对应的第二输出水质指标集合为第二
Plus
标记数据子集
。3.
根据权利要求1所述的污水水质指标软测量方法，其特征在于，根据目标数据集对所述第一标记数据子集
、
所述第二标记数据子集以及上一迭代次数下的未标记数据集进行更新得到当前迭代次数下的第一
new
标记数据子集
、
当前迭代次数下的第二
new
标记数据子集
和当前迭代次数下的未标记数据集，具体包括，将所述目标数据集输入所述第一初始回归模型得到所述目标数据集对应的第一输出水质指标集合；将所述目标数据集输入所述第二初始回归模型得到所述目标数据集对应的第二输出水质指标集合；将所述目标数据集与所述目标数据集对应的第一输出水质指标集合添加到所述第二标记数据子集得到当前迭代次数下的第一
new
标记数据子集；将所述目标数据集与所述目标数据集对应的第二输出水质指标集合添加到所述第一标记数据子集得到当前迭代次数下的第二
new
标记数据子集；将所述目标数据集从上一迭代次数下的未标记数据集中删除得到当前迭代次数下的未标记数据集
。4.
根据权利要求1所述的污水水质指标软测量方法，其特征在于，所述最终预测模型为：其中，
Y(x)
表示最终预测模型，
H
′1(x)
表示第一预测模型，
H
′2(x)
表示第二预测模型
。5.
一种污水水质指标软测量系统，其特征在于，包括：初始回归模型构建模块，用于采用
PLS
算法根据第一标记数据子集构建模型，采用
ELM
算法根据第二标记数据子集构建模型，分别得到第一初始回归模型和第二初始回归模型；所述第一标记数据子...

【专利技术属性】
技术研发人员：吴菁，唐莉丽，金绍琴，李东，程洪超，刘乙奇，
申请(专利权)人：贵州民族大学，
类型：发明
国别省市：